분석 작성

  • 릴리스 버전: Yokohama
  • 업데이트 날짜 2025년 01월 30일
  • 읽기2분

    • 특정 개입 또는 변경에 따라 다른 결과를 모델링하는 분석을 생성합니다. 각 분석에 대한 예측을 생성하고 해당 정보를 사용하여 다양한 결과를 비교하고 잠재적 개입의 영향을 더 잘 이해할 수 있습니다.

    시작하기 전에

    필요한 역할: sn_esg.program_manager

    프로시저

    1. 다음으로 이동 모두 > 환경, 사회 및 거버넌스 > ESG 작업 공간 > 목록 > 분석 컨텍스트.
    2. 원하는 분석 컨텍스트 기록을 선택하고 분석 탭으로 이동합니다.
    3. 새로 만들기를 선택합니다.
    4. 양식의 필드에 내용을 입력합니다.
      표 1. 새 분석 양식 생성
      필드 설명
      이름 분석의 이름입니다. 예를 들어 베스트 케이스를 선택할 수 있습니다.
      예측 방법 예측 데이터를 생성하는 데 사용되는 방법입니다.
      • 자동

        기본적으로 인스턴스는 방법의 적합도에 따라 자동으로 가장 적합한 방법을 선택합니다. 자세한 내용은 Automatic selection of forecast methods 문서를 참조하십시오.

      • 선형

        상수 및 추세를 설명 변수로 사용하여 과거 점수를 기반으로 선형 회귀 예측을 생성합니다.

      • 계절적

        계절 더미를 설명 변수로 사용하여 과거 점수를 기반으로 선형 회귀 예측을 생성합니다. 이 분석의 '계절'은 하나의 기간입니다.

      • 계절 추세

        계절적이지만 추세를 설명 변수로 포함합니다.

      • STL(계절 추세 황토)

        최적 함수를 기반으로 계절 예측을 생성합니다. 이 방법은 지수 가중 이동 평균 접근 방식을 사용하여 추세, 계절 및 랜덤 노이즈 프로세스를 데이터에 맞춥니다. 예측은 전체 데이터 세트를 기반으로 하며, 더 최근의 관측치에 더 많은 가중치가 부여됩니다.이 분석의 '계절'은 하나의 기간입니다.

      • RF(임의 포리스트)

        이러한 트리에서 생성된 예측을 평균화하여 단일 예측을 얻는 결정 트리의 조합을 만듭니다. 임의성은 사용 가능한 데이터 및 입력의 무작위 하위 집합에서 생성되는 각 트리에서 비롯됩니다.

      • AR(자동회귀)

        AR(자기회귀) 모델은 추세, 계절별 더미 및 과거 값의 선형 조합을 사용하여 표시기의 미래 값을 예측합니다. RF(Random Forest) 모델과 마찬가지로 AR 모델은 최적의 지연 수를 확인합니다. 그러나 AR 모델은 전류와 과거 값을 선형으로 연관시키는 반면 RF 모델은 비선형입니다.

      자세한 내용은 Forecast methods 문서를 참조하십시오.
      상태 분석 기록의 상태입니다.
      • 초안
      • 진행 중
      • 게시됨
      설명 분석에 대한 설명입니다.
    5. 저장을 선택합니다.
    6. 옵션: 배출 계수 분석 탭으로 이동합니다.
      이 탭은 분석과 연관된 공식에서 배출 계수를 사용하는 경우에만 사용할 수 있습니다.
      1. 배출 계수 위치 필드에 위치를 입력합니다.
      2. 저장을 선택합니다.
      이 단계는 분석과 연관된 공식에서 배출 계수를 사용하는 경우에만 필요합니다.
    7. 예측을 선택합니다.
      분석 기록이 생성되었습니다. 생성된 표준 예측을 볼 수 있는 예측 탭이 추가되었습니다.

    다음에 수행할 작업

    매개변수를 조정하여 특정 개입 또는 변경에 따라 다른 결과를 모델링합니다. 자세한 내용은 매개변수 조정 문서를 참조하십시오.